Xây dựng một mạng nơ-ron
Chúng ta sẽ dùng thư viện Keras để tạo mạng nơ-ron và huấn luyện chúng để phân loại ảnh. Tất cả các mô hình này sẽ thuộc kiểu Sequential, nghĩa là đầu ra của một lớp chỉ được đưa làm đầu vào cho lớp kế tiếp.
Trong bài tập này, bạn sẽ tạo một mạng nơ-ron với các lớp Dense, tức là mỗi đơn vị (unit) trong mỗi lớp được kết nối với tất cả các đơn vị ở lớp trước đó. Ví dụ, mỗi đơn vị ở lớp đầu tiên được kết nối với toàn bộ điểm ảnh (pixel) trong ảnh đầu vào. Đối tượng lớp Dense nhận số lượng đơn vị trong lớp và hàm kích hoạt (activation) làm tham số. Với lớp đầu tiên trong mạng, nó cũng nhận đối số từ khóa input_shape.
Khóa học này điểm qua nhiều khái niệm có thể bạn đã quên, nên nếu cần ôn nhanh, hãy tải về Keras Cheat Sheet và giữ sẵn để tham khảo!
Bài tập này là một phần của khóa học
Mô hình hóa ảnh với Keras
Hướng dẫn bài tập
- Lớp đầu tiên nhận ảnh làm đầu vào, có 10 đơn vị và kích hoạt
'relu'. - Lớp thứ hai có 10 đơn vị và kích hoạt
'relu'. - Lớp đầu ra có một đơn vị cho mỗi hạng mục (3 hạng mục) và kích hoạt
'softmax'.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# Imports components from Keras
from keras.models import Sequential
from keras.layers import Dense
# Initializes a sequential model
model = Sequential()
# First layer
model.add(____(10, activation=____, input_shape=(784,)))
# Second layer
model.add(____(____, activation=____))
# Output layer
____